网络链接分析理论

第6讲网络链接分析信息管理学院网络链接分析(LinkAnalysis)，也称链接分析，或称链接分析法、超链分析。可广义理解为以Web中页面间的超链接为研究对象的分析活动。从网络信息计量学的角度，可将其定义如下：链接分析是以链接解析软件、统计分析软件等为工具，用统计学、拓扑学、情报学的方法对链接数量、类型、链接集中与离散规律、共链现象等进行分析，以用于Web中的信息挖掘及质量评价的一种方法。信息管理学院链接分析先于网络信息计量学诞生。1996年，Larson依照引文分析中共被引分析（Co-citationAnalysis）做了共链分析（Co-linkAnalysis）。但在网络信息计量学诞生后，链接分析便被纳入了其研究范围。至今，链接分析已成为网络信息计量学备受关注的研究方向。链接分析理论包括以下几个方面：链接理论、链接分析的研究视角、链接分析与引文分析之间的关系、链接分类与统计理论、链接分析指标。信息管理学院1.网络链接概述1.1链接感性认识1.2链接与超文本1.3链接术语信息管理学院1.1链接感性认识Wood等人将Web的结构绘制成可视化图：白色的大球表示网站主页，小球代表网站的二级及二级以下页面；绿线代表链接，将不同的网站、网页连结在一起形成网络。信息管理学院1.2链接与超文本1965年，TedNelson提出术语超文本(Hypertext)。1978年，在《DreamMachines》中他提到了“链接”，并指出“链接”将带来文件的连通性。1981年，使用术语“超文本”描述了这一想法：创建一个全球化的大文档，文档的各个部分分布在不同的服务器中，通过激活其中的“链接”，就可以跳转到所引用的论文。信息管理学院1.2链接与超文本超文本是用超链接的方法，将各种不同空间的文字信息组织在一起的网状文本。超文本更是一种用户界面范式，用以显示文本及与文本之间相关的内容。当前，超文本普遍以电子文档方式存在，其中的文字包含有可以链结到其他位置或者文档的链接，允许从当前阅读位置直接切换到超文本链接所指向的位置。信息管理学院1.3链接术语链接，超链接（Link,hyperlink）：两者都指网络链接。在没必要区分入链与出链时，通常会用到这两个词，偶尔也会用到这些词指代入链和出链。入链（Inlink）：指向某页面的链接。一般而言，这个链接应该来自某个特定集合以外的页面。“入链”与“反向链接”同义；“接受入链”与“被链接”同义。出链(Outlink)：从某页面指出的链接。一般而言，这个链接应该指向某个特定集合以外的页面。信息管理学院1.3链接术语自链(Selflink)：从某页面指向该页面自身的链接，可能是同一页面的不同部分。一般而言，这个链接应该指向某个特定集合内部的页面。互链(Interlink,reciprocallink)：通常指两个不同网站之间的链接，也指站间链接。这个词通常以-ing的形式出现，例如“网站互链（interlinking）”表示网站之间的链接。信息管理学院1.3链接术语共入链（Co-linked）：如果两个页面都含有来自第三个页面的入链，则这两个页面共入链。共出链（Co-linking）：如果两个页面都含有指向第三个页面的出链，则这两个页面共出链。有时也可描述为耦合或文献计量中的耦合。共链（Co-link）：共入链与共出链统称为共链。信息管理学院1.3链接术语链接术语的图解ABCFGDEHB有一个来自A的入链，A与B之间，A是链接来源，B是链接目标B与E共出链C与D共入链E与F互链B有一个指向C的出链，B是链接来源，C是链接目标B有一个自链信息管理学院2.网络链接的分析视角M.Thelwall根据不同学科的侧重点将链接分析研究划分为：情报学视角的链接分析（Informationsciencelinkanalysisapproach,ISLAA）计算机科学视角的链接分析（Computersciencelinkanalysisapproach,CSLAA）社会科学视角的链接分析等（Socialsciencelinkanalysisapproach,SSLAA）除此此外，还有统计物理学家、数学家等从其他视角研究链接分析。信息管理学院2.网络链接的分析视角不同的研究视角之间虽没有绝对的界线，但研究目标不同，理论基础也不同。CSLAA主要研究网络动力学(WebDynamics)、链接与内容的关系、链接和信息检索、网络挖掘(WebMining)、网络建模(WebModeling)等。SSLAA主要研究网络空间分析（WebSphereAnalysis）、虚拟民族志(VirtualEthnography)、超链接网络分析(HyperlinkNetworkAnalysis)等ISLAA则以文献计量学中的引文分析为理论基础，核心观点为“链接代表引用”信息管理学院2.网络链接的分析视角按照M.Thelwall的定义，链接分析就是采用并改进现有的信息技术与方法，借助文档之间的相互关联，对文档自身的特征进行深入分析。根据链接分析的定义和情报学相关理论，我们将“情报学视角的链接分析”定义为：以引文分析为基础，采用并改进现有的信息技术与方法，借助文档之间的相互关联，对文档自身的特征进行深入分析。信息管理学院2.网络链接的分析视角从概念上看，链接分析以文档为研究对象，这里所说的文档包括四个层面：页面、目录、域名、站点。从本质上看，情报学视角的链接分析是一种新兴的研究方法，在情报学、计算机科学、社会科学等领域有广泛应用。信息管理学院2.网络链接的分析视角情报学视角的链接分析不同于网络中流传的“链接分析”。前者内容包括链接数量分析、链接类型分析、链接的集中与离散规律分析、共链分析等，主要用于提高网络信息检索效率、评价网络信息质量、发现网络社区等；网络中流传的“链接分析”主要指“链接流行度分析（LinkPopularityAnalysis）”，其内容包括链接数量和质量的评估及分析，主要用于提高网站、网页在Google检索结果中的排名等。下面提到的链接分析均指情报学视角的链接分析。信息管理学院2.网络链接的分析视角用共词分析的方法，借助Pajek可视化工具，绘制了链接分析的研究主题图。图中节点代表主题词，连线粗细代表主题词之间的共词强度，与“LinkAnalysis”这一节点的连线越粗，代表与该主题关联越紧密。信息管理学院2.网络链接的分析视角链接分析领域关注的主题包括：WorldWideWeb(万维网)InformationRetrieval(信息检索)Ranking(评价/排名)SearchEngine(搜索引擎)WebMining(网络挖掘)PageRank算法信息管理学院3.链接分析与引文分析的关系链接分析以引文分析理论为基础，但在动态、多变的网络环境中形成了引文分析理论所不具有的特性。二者各自的特征及相互关联便成了链接分析研究中的一个热点。引文分析主要对科学期刊、论文、著者等各种分析对象的引证与被引证现象进行分析，以揭示其数量特征和内在规律。信息管理学院3.链接分析与引文分析的关系引文分析工具包括：美国《科学引文索引》（SCI）美国《基本科学指标》（ESI）美国《期刊引证报告》（JCR）《中国科学引文数据库》（CSCD）《中国科技论文与引文分析数据库》《中文社会科学引文索引》（CSSCI）《中国人文社会科学引文数据库》《中国引文数据库》。信息管理学院3.链接分析与引文分析的关系常用的引文分析指标包括：引文数量与分布规律测度指标：引文数、平均引用数、自引数与自引率、被引用数与引用数的比值；期刊质量测度指标：被引用数、影响因子、即年指标；论文质量与著者学术水平测度指标：被引用数；文献老化规律测度指标：衰减系数。信息管理学院3.链接分析与引文分析的关系引文分析大半个世纪以来的发展轨迹可以用如下的“链”来表示：Grace等人的核心期刊表（1927年）→E.Garfield的“CitationIndexes”论文（1955年）→Brown对引文分析领域的拓展（1956年）→M.M.Kessler的“文献耦合（BibliographicCoupling）”（1963年）→E.Garfield的SCI印刷版（1964年）→Small提出“同被引技术（Co-citation）”（1973年）→SCI网络版（1997年）→……。信息管理学院3.链接分析与引文分析的关系当前的研究主要集中在：方法适用性研究（引文分析的弊端等）；网络引文分析（WebCitationAnalysis）；应用研究（引文应用于各类质量评价，专利引文分析，同引、耦合用于聚类分析，大学评价等）。信息管理学院3.链接分析与引文分析的关系链接分析的发展只有10余年的时间，用“链”表示为：McKiernan提出sitation（1996年）→Larson的共链分析（1996年）→Almind和Ingwersen的“Webmetrics”（1997年）→PeterIngwersen的“网络影响因子”（1998年）→SergeyBrin和LawrencePage提出“Pagerank算法”、J.Kleinberg提出“HITS算法”（1998年）→……。信息管理学院3.链接分析与引文分析的关系当前的研究主要集中在：链接分布规律研究（包含链接类型分布、链接数量分布等）；网络影响因子研究；网络链接分析工具研究；沿用引文分析和方法的可靠性研究；链接分析应用研究（包括在网络信息检索中的应用、在网络社区发现在的应用、在Web拓扑结构建模中的应用、在信息挖掘中的应用——资源发现、竞争情报获取等）。信息管理学院3.链接分析与引文分析的关系事实上，从“citation”到“sitation”，从“期刊影响因子”到“网络影响因子”，从“文献的同引与耦合”到“共入链/共出链”，都表明链接分析带上了引文分析的烙印。引文分析理论虽被广泛应用，但仍有不足之处，被引次数、期刊影响因子等引文指标都视不同的引文的贡献为等值，然后简单的累加。不同引文的贡献通常是不等值的。对于贡献不等值的引文，应区分看待，链接分析中的PageRank算法则解决了这一问题。我们认为可根据PageRank的原理设计新的算法用于引文分析，取代被引次数、期刊影响因子等引文分析指标。信息管理学院4.链接分类与统计理论4.1链接分类理论4.2链接统计理论信息管理学院4.1链接分类理论A.G.Smith将链接分为两类：实质性链接（substantivelinks）和非实质性链接(non-substantivelinks)：实质性链接即符合第一条假设前提的链接，而非实质性链接则不符合。A.G.Smith通过统计分析得出：所有链接中，实质性链接的比例约20%，链接到大学网站的链接中，实质性链接的比例约27%。李江以图书情报学的学术型博客为对象，统计出实质性链接的比例约17%，因研究对象为学术型网页，所以理论上可认为网络中实质性链接的比例的平均值应在17%以下。信息管理学院4.1链接分类理论HetingChu将学术机构网站的入链分为4类(taxonomy)：服务（Service）主页（HomePage）研究（Research）教学（Teaching/Learning）其中前两类共占73%，后两类占27%，并且仅有教学类的入链才可用作学术机构的评估，这样看来，可用作评价的入链（即实质性链接）不足27%。信息管理学院4.1链接分类理论不同的实验证明：可用于链接分析的有效链接仅占20%左右。链接分类研究的意义在于：从链接总体中剔除不符合“推荐、认可”的链接，以提高入链接、网络影响因子、PageRank算法等链接指标用于网页/网络重要性评价的效率。信息管理学院4.1链接分类理论目前学者们在理论方法和实证分析过程中得出了很多有意义的结论，但是也存在如下几个问题：不同的学者根据不同的标准